Cet article vise à relever les défis du mélange de données multimodales, de l'hétérogénéité des activités et du déploiement de modèles complexes dans la reconnaissance d'activité humaine (HAR) basée sur des capteurs. À cette fin, nous proposons une stratégie de fusion par alignement et décomposition modale de l'attention spatio-temporelle pour traiter la distribution mixte des données de capteurs, capturer les principales caractéristiques discriminantes des activités grâce à des représentations spatio-temporelles séparées multimodales, et combiner la modulation de gradient pour atténuer l'hétérogénéité des données. De plus, nous construisons un système de simulation de déploiement d'objets portables et menons des expériences sur plusieurs jeux de données publics afin de démontrer l'efficacité de notre modèle.
